Los estimadores como variables aleatorias

Los estimadores son funciones de los valores de la muestra; por lo tanto, cuando se seleccionan diferentes muestras al
azar de una población, es natural esperar que las estimaciones varíen de muestra a muestra. Por ejemplo:

Si se tiene la población formada por los estudiantes de la Universidad en 1996, y se empieza a tomar muestras al azar de
25 estudiantes y para cada una de ellas se calcula el peso promedio, es natural que los promedios no sean iguales, sino
que presenten variaciones. Igual sucederá con la varianza y con cualquier otro estimador.

Dentro de la Estadística Inferencial se distinguen dos tipos de problemas: uno en que interesa estimar características o
propiedades de la población (promedio, varianza, proporción, entre otros) y el otro en que interesa someter a prueba de
hipótesis que se tienen acerca de esas características de la población. En primera instancia, nos concentraremos en la
estimación, la cual puede ser puntual o por intervalo.

Estimación estadística

Un estimador es, entonces, una función de los valores de la muestra que se utiliza para aproximar o estimar el valor
poblacional (parámetro). Cambia de una muestra a otra.

Por estimación se entiende, tanto el valor numérico producido por una muestra específica, como el proceso de cálculo de
ese valor y su respectiva generalización a la población.

Estimador puntual: es un número único que se usa para estimar el parámetro desconocido de la población. Por ejemplo,
si se quiere estimar el peso promedio de los estudiantes de la Universidad, puede tomarse una muestra de 25 alumnos,
calcular su peso promedio, y tomar ese valor como el promedio de la población. Sin embargo, esta estimación es
insuficiente si no se posee alguna medida de la confianza que merece (error asociado). El problema se resuelve utilizando
la Estimación por intervalos.

Estimación por intervalos: establece la amplitud en la cual, probablemente, se encuentra el parámetro poblacional.
Proporciona un grado de confianza que esté contenido el verdadero valor poblacional (existe la posibilidad que el
parámetro esté fuera del intervalo).

Propiedades de los estimadores puntuales

Insesgado: un estimador es insesgado, si la media de su distribución de muestra es igual al parámetro de la población.

Eficiencia (variancia mínima): los estimadores insesgados no son únicos, por lo que debe tomarse el que menos varianza
presente. Es decir, se prefiere el que sea más estable.

Consistencia: un estimador es consistente cuando al aumentar el tamaño de la muestra se está más seguro de que el valor
del estimador se acerca al valor del parámetro de la población (por ejemplo: media, desviación estándar y proporción).

Suficiencia: un estimador es suficiente si hace uso de toda la información sobre el parámetro contenida en la muestra y si
ningún otro estimador puede aportar más información acerca del parámetro de la población que se está estimando.
 Estimación puntual

Error estándar: este valor indica qué tan confiable es la estimación puntual con respecto al parámetro que se está
  
estimando.  
 n

Estimación de la media (promedio)

Ejemplo:

Supongamos que se selecciona una m.a. de 10 estudiantes del curso de probabilidad y estadística y de
ellos se conoce la nota del I Examen Parcial, a saber: 71.5, 79.8, 61.4, 60.2, 73.4, 80.5, 86.1, 84.3,50.3,
72.01. Calcule e interprete:

a) La estimación puntual de la nota promedio poblacional.

b) La estimación puntual de la proporción de estudiantes que obtuvieron notas superiores a 80.

c) La estimación puntual de la desviación estándar poblacional.

d) La estimación puntual de la desviación estándar de la proporción de estudiantes con notas

superiores a 80.
 Estimación por intervalos de confianza

Hay tres intervalos de confianza de mayor uso:

Intervalo de
confianza
0.90 Indica que 90% de los estimadores muestrales de un tamaño de
+ 0.5 = 0.95 Z  = 1.64 muestra específico seleccionados de una misma población
90% 2 2 normal se hallará dentro de más o menos 1.64 desviaciones
estándares del parámetro poblacional.
0.95 Indica que 95% de los estimadores muestrales de un tamaño de
+ 0.5 = 0.975
95% 2 muestra específico seleccionados de una misma población
Z  = 1.96 normal se hallará dentro de más o menos 1.96 desviaciones
2
estándares del parámetro poblacional.

0.99 Indica que 99% de los estimadores muestrales de un tamaño de

+ 0.5 = 0.995
99% 2 muestra específico seleccionados de una misma población
Z  = 2.58 normal se hallará dentro de más o menos 2.58 desviaciones
2
estándares del parámetro poblacional.

Intervalos de confianza para la media de una población con desviación estándar conocida

  
Error máximo:  Z   
 2 n

Ejemplos:

1. Un equipo de expertos en eficiencia intenta usar la media de una m.a. de tamaño n=150 para estimar el verdadero
promedio de la aptitud mecánica de los trabajadores de una línea de ensamble en una industria grande (según la
mide cierta prueba estandarizada). Si basados en la experiencia, para esta situación los expertos en eficiencia
pueden suponer  = 6.2 . ¿Qué pueden afirmar con probabilidad de 0.99 acerca del error máximo de su
estimación?
 2. Un ingeniero industrial intenta usar la media de una m.a. de 170 elementos para estimar la aptitud mecánica
promedio (media obtenida mediante cierta prueba) de obreros en una línea de montaje de una gran industria. Si
con base en la experiencia el ingeniero puede suponer  = 6.0 . ¿Qué pueden afirmar con probabilidad de 0.99
acerca del error máximo de su estimación?

Intervalo de confianza:

     
Li : X −  Z    Ls : X +  Z   
 2 n  2 n

Ejemplos:

1. Una m.a. de tamaño n=90 se seleccionó de una población normal con  = 5.2 . Dado que la media de la muestra
es X = 20.6 , construya e interprete:

a) Un intervalo de confianza del 95% para la media poblacional  .

b) Un intervalo de confianza del 99% para la media poblacional  .

c) Un intervalo de confianza del 87% para la media poblacional  .

2. Si una m.a. de tamaño n=20 de una población normal con la varianza  2 = 225 tiene media X = 64.3 , construya
un intervalo de confianza del 95% para la media de la población  .
 Intervalos de confianza para la media de una población con desviación estándar desconocida ( n  30 )

 s 
Error máximo:  Z   
 2 n

Ejemplos:

1. El propietario de una gasolinera desea estimar el número medio de galones de combustible que vende a sus
clientes. Si selecciona una m.a. de 50 clientes y concluye que el número medio de galones vendidos es de 6.25 con
una desviación estándar 1.09. Calcule e interprete:

a. La estimación puntual de la media poblacional.

b. Un intervalo de confianza del 99% para la media poblacional.

c. Suponga que el total de clientes de la gasolinera es de 300, calcule un intervalo de confianza del 98% para
el número medio de galones de combustible que vende a sus clientes.
2. Un diseñador industrial quiere determinar el tiempo promedio que tarda un adulto en ensamblar un juguete de
ensamblaje sencillo y fácil. Los datos siguientes (en minutos) corresponden a una m.a. seleccionada para tal fin.
Construya un intervalo de confianza del 95% para la media de la población muestreada.

3. Para estimar el tiempo promedio que tarda el montaje de cierto componente de computadoras, el ingeniero
industrial de una compañía electrónica cronometró a 40 técnicos en el desempeño de esta tarea y obtuvo una
media d3e 11.5 minutos y una desviación estándar de 1.98.

a. ¿Cuál es el error máximo que se comete si X = 11.5 se emplea como estimación puntual del tiempo
promedio real requerido para la tarea? Use una confianza del 96%

b. Calcule un intervalo de confianza del 90% y del 99% para el tiempo promedio real que tarda el montaje
del componente. Interprete.
 c. ¿Con qué confianza se puede estimar que el tiempo promedio real de montaje se ubica entre 11 y 12
minutos?

4. Una m.a. de tamaño n=100 se toma de una población normal con  = 5.1 . Dado que la media de la muestra es
de 21.6 elabora un intervalo de confianza del 65% para la media de la población.
 Intervalos de confianza para la media de una población con desviación estándar desconocida ( n  30 )

 s 
Error máximo:  t   , con v = n − 1 .
 ,v
2 n

Ejemplos:

1. Un fabricante de fusibles asegura que una sobrecarga de 25% funde los fusibles en 11.20 minutos en promedio.
Si se toma m.a. de 20 fusibles que fueron sometidos a una sobrecarga del 25% y los tiempos que tardaron en
fundirse tuvieron una media de 10.57 minutos y una desviación estándar de 2.19 minutos.

a. Calcule e interprete el error máximo, con una confianza del 90%, que se puede cometer al estimar el
tiempo promedio real.

b. Calcule e interprete un intervalo de confianza del 95% para el tiempo promedio real.

2. Un fabricante de pinturas quiere determinar el tiempo promedio de secado de una pintura de muros interiores.
Si para 12 áreas de prueba del mismo tamaño ha obtenido una media de tiempo de secado de 66.3 minutos y una
desviación estándar de 8.4 minutos, construya un intervalo de confianza del 95% para le media verdadera de  .
3. La pérdida de peso media de 16 personas después de cierta dieta es de 3.42 kg con una desviación estándar de
0.68 kg. Calcule un intervalo de confianza de 99% para la pérdida de peso media real de estas personas.
 Tamaño mínimo de la muestra en la estimación de la media

2 2
 z     z   

Poblaciones infinitas: n = 2
  2 
 E   E 
   
  Poblaciones finitas: n =
 
2
 z   
 2 
 E 
 
1+  
N

Ejemplos:

1. Un oficial de tránsito realiza una inspección sobre la velocidad promedio de los automóviles que viajan por la
autopista General Cañas, durante las horas de tránsito fluido. Una muestra de 20 vehículos que transitan en estas
horas, reveló que la velocidad promedio de los automóviles es de 88 km por hora con varianza igual a 10 km2 por
hora.

a. Calcule e interprete un intervalo de confianza del 95% para la estimación del verdadero parámetro
poblacional (  ) .

b. ¿De qué tamaño debe ser la muestra si se desea estimar el verdadero promedio poblacional con una
confianza del 99% y si se espera que el error máximo no difiera en más de 1.5 km por hora?
2. El propietario de una gasolinera desea estimar el número medio de galones de combustible que vende a sus
clientes. Si selecciona una m.a. y concluye que el número medio de galones vendidos es de 6.25 con una desviación
estándar 1.09. ¿Cuál sería el tamaño mínimo de muestra necesario para estimar el promedio de galones de
combustible vendidos, si se desea una estimación que no se desvié más de 0.20 galones el 99% de las veces?

a. Suponga que no se conoce el número total de clientes.

1,09

0,2

b. Suponga que se conoce el número total de clientes, el cual es de 300 personas.

3. Un investigador desea estimar el tiempo promedio que tarda un mecánico en girar los neumáticos de un automóvil
y desea poder afirmar con 95% de confianza que la media de su muestra es imprecisa en cuanto más 0.50 minutos.
Si se puede suponer de pasadas experiencias que  = 1.6 minutos. ¿Cuál es el tamaño mínimo de la muestra que
debe seleccionar?
 Intervalos de confianza para la proporción de una población ( n  30 )

Intervalo de confianza:

 pˆ (1 − pˆ )   pˆ (1 − pˆ ) 
Li : pˆ −  Z    Ls : pˆ +  Z   
 2 n   2 n 
   

Ejemplos:

1. Se realiza una encuesta a un grupo de 270 consumidores y de ellos 189 indican estar de acuerdo en pagar más por
un empaque resistente para un medicamento muy delicado. Calcule e interprete.

a. ¿Qué proporción de los consumidores están de acuerdo en pagar más por dicho empaque?

b. Un intervalo de confianza de 97% y otro de 93% para la proporción de consumidores que estarán de
acuerdo en pagar más por dicho empaque.

2. Hay 300 enfermeras empleadas en un hospital y una m.a. de 40 de ellas reveló que 24 se graduaron en una escuela
especial. Calcule e interprete un intervalo de confianza del 98% para la proporción real de enfermeras graduadas
en dicha escuela.
3. En una m.a. de personas a quienes se les aplicó una vacuna contra la gripe, 136 personas de 400 experimentaron
cierta incomodidad. Construya un intervalo de confianza del 95% para la verdadera proporción de personas que
experimentará alguna incomodidad por la vacuna.

4. Se hace un estudio para determinar la proporción de votantes, en una comunidad bastante grande, que están a
favor de la construcción de un plan nuclear. Si 140 de 400 votantes seleccionados aleatoriamente favorecen el
proyecto y usamos pˆ = 140 = 0.35 como una estimación de la proporción actual de todos los votantes en la
400
comunidad que favorecen el proyecto. ¿Qué se puede decir con un 99% de confianza sobre el error máximo?

5. En una encuesta realizada en una gran ciudad 136 de 400 personas respondieron afirmativamente a la pregunta
de si el transporte público de su ciudad es adecuado. Con 99% de confianza, ¿qué se puede decir acerca del erro
máximo?
 Tamaño mínimo de la muestra en la estimación de la proporción (p)

2 2
 z  p (1 − p )   z  p (1 − p ) 
   2 
Poblaciones infinitas: n =  2   
 E   E 
  n =  
Poblaciones finitas: 2
 z  p (1 − p ) 
 2 
 
 E 
1+  
N

NOTA: cuando no se aclara el valor de la proporción poblacional se recomienda utilizar p=0.5

Ejemplos:

1. Una compañía fabricante de computadoras ha desarrollado un nuevo modelo de computador portátil. De una
m.a. de 500 clientes de dicha compañía 305 indican que les gusta el nuevo modelo de computadora.

a. Calcule e interprete un intervalo de confianza del 94% para la estimación de la verdadera proporción de
clientes que les gusta el nuevo modelo de la computadora.

b. ¿De qué tamaño debe ser la muestra si se desea estimar la verdadera proporción de clientes que les gusta
el nuevo modelo de la computadora con una confianza del 98% y si se espera que el error máximo no
difiera en más de 3%?
2. Para el ejemplo anterior de los consumidores dispuestos a pagar más por un empaque más resistente, calcule el
tamaño mínimo de muestra necesario, si con una confianza del 99% se espera que el error máximo no supere el
2%.

3. Para el ejemplo de las enfermeras empleadas en el hospital y que se graduaron en una escuela especial, calcule
el tamaño mínimo de muestra necesario, si se desea una confianza del 95% y si se espera que el error máximo no
supere el 3%.

4. Suponga que interesa estimar la proporción real de unidades defectuosas en un embarque muy grande de ladrillos
de adobe y que se desea estar al menos 95% seguros de que el error es cuando más de 0.04. ¿Cuán grande deberá
ser una muestra si: …?

a. No se tiene idea de la proporción real.

b. Se sabe que la proporción real no excede de 0.12.

 Intervalos de confianza para la predicción de un valor individual futuro

Intervalo de confianza:

 1  1
Li : X −  t  s  1 +  Ls : X +  t  s  1 + 
 2
,v n  2
,v n

Ejemplos:

1. Considere una m.a. de 10 chips de computadora cuyo promedio estimado de vida útil es de 5.7 años con una
desviación estándar de 1.3 años. Calcule un intervalo de predicción al 95% para el tiempo real de duración de un
solo chip de computadora.